預(yù)測是研究預(yù)測理論、方法、評價和應(yīng)用的一門新興科學(xué)。它是軟件科學(xué)的一個重要分支?？v觀預(yù)測思維方式，其基本理論主要包括慣性原理、類比原理和相關(guān)原理。預(yù)測的核心問題是預(yù)測的技術(shù)方法，即預(yù)測的數(shù)學(xué)模型。預(yù)測

預(yù)測是研究預(yù)測理論、方法、評價和應(yīng)用的一門新興科學(xué)。它是軟件科學(xué)的一個重要分支。

縱觀預(yù)測思維方式，其基本理論主要包括慣性原理、類比原理和相關(guān)原理。預(yù)測的核心問題是預(yù)測的技術(shù)方法，即預(yù)測的數(shù)學(xué)模型。預(yù)測方法有很多種，如灰色預(yù)測法、神經(jīng)網(wǎng)絡(luò)法等。本文將綜合數(shù)學(xué)模型中常用的幾種基本預(yù)測模型，總結(jié)每種模型的優(yōu)缺點和適用范圍。（1） 自回歸AR（P）模型（2）移動平均MA（q）模型

深度學(xué)習(xí)模型很常見：卷積神經(jīng)網(wǎng)絡(luò)CNN、堆疊式自動編碼器SAE、遞歸神經(jīng)網(wǎng)絡(luò)DNN、生成對抗網(wǎng)絡(luò)Gan、深度信念網(wǎng)絡(luò)DBN、深度神經(jīng)網(wǎng)絡(luò)DNN、深度強化學(xué)習(xí)DRL，以及許多模型。

深度學(xué)習(xí)中沒有預(yù)測模型，只是那些模型是一個預(yù)測問題。GDP預(yù)測是一個連續(xù)的問題。我覺得CNN、DBN和DNN不合適。如果數(shù)據(jù)量有限，參考互聯(lián)網(wǎng)金融，我覺得遷移學(xué)習(xí)深度學(xué)習(xí)模式是一個不錯的選擇。個人觀點，僅供參考，更多官方賬號可關(guān)注個人微信公眾號“深度學(xué)習(xí)與NLP”。